Techno.COM, Vol. 14, No. 4, November 2015:

Transkripsi

1 Techno.COM, Vol. 14, No. 4, November 2015: METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PENENTUAN PERINGKAT DALAM PEMBUATAN PETA TEMATIK DAERAH RAWAN DEMAM BERDARAH DENGUE ( STUDI KASUS KABUPATEN PATI ) Imam Bukori 1, Pujiono 2, Suharnawi 3 1,2,3 Program Studi Sistem Informasi Universitas Dian Nuswantoro, Semarang Jl. Nakula 1 No. 5-11, Semarang, 50131, (024) @mhs.dinus.ac.id 1, opuji88@gmail.com 2, suharnawi@dsn.dinus.ac.id 3 Abstrak Demam berdarah Dengue (DBD) adalah penyakit yang sangat berbahaya karena tingginya jumlah kematian yang disebabkan oleh nyamuk Aedes aegypti. Kabupaten Pati termasuk daerah tropis yang memiliki potensi penyebaran nyamuk ini. Tujuan dari penelitian ini adalah membuat peta tematik sebagai upaya antisipasi, penanganan, dan pengendalian terhadap wilayah berpotensi DBD. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW yang sering disebut metode penjumlahan terbobot yaitu mencari penjumlahan dari rating kinerja pada setiap alternative dari semua atribu. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Dengan menerapkan metode Simple Additive Weighting (SAW), dapat membantu dinas kesehatan untuk penilaian peringkat daerah rawan demam berdarah dengue di kabupaten Pati. Berdasarkan penelitan yang dilakukan, pola penyebaran DBD yang meliputi intensitas curah hujan, kepadatan penduduk, dan insiden kejadian demam berdarah sebagai variabel penentuan peringkat daerah rawan. Untuk menggambarkan daerah rawan DBD di Kabupaten Pati, maka pola tersebut disajikan dengan peta tematik menggunakan aplikasi ArcView. Hasil penelitian bahwa penyebaran antara penderita satu dengan lainnya tidak lepas dari pengaruh perkembangbiakan nyamuk, populasi penduduk dan penyebaran dari penderita satu kependerita lainnya. Dan peringkat tertinggi kerawanan pada tahun 2014 berada di kecamatan Pati dengan nilai 2,25 diikuti sukolilo 2,08 dan Margorejo 2,06. Kata Kunci: Demam Berdarah Dengue, Simple Additive Weighting (SAW), Peta tematik. Abstract Dengue hemorrhagic fever (DHF) is a disease that is very dangerous due to the high number of deaths caused by the Aedes aegypti mosquito. Pati regency including tropical areas that have the potential spread of this mosquito. The purpose of this research is to create thematic maps as anticipation, handling, and control of potentially DHF region. The method used in this study is the Simple Additive Weighting (SAW) often called summation method weighted which is seeking the sum of rating the performance of each alternative of all the attribute. SAW method requires normalization process decision matrix (X) to a scale which can be compared with all ratings alternatives exist. By applying the method Simple Additive Weighting (SAW), can help the health authorities to the rating prone areas of dengue fever in the district of Pati. Based on the research conducted, the pattern of spread of dengue which includes rainfall intensity, population density, and the incidence of events dengue fever as variables for determining the rank-prone areas. In order to illustrate the areas prone to dengue in Pati regency, then the pattern presented by thematic maps using the application ArcView. The results that the spread between patients with one another can not be separated from the influence of mosquito breeding, population and the spread to other patient. And the highest ranking of vulnerabilities in 2014 are in Pati with a value of 2.25 followed by Sukolilo and Margorejo at 2.08 and Keywords: Dengue hemorrhagic fever, Simple Additive Weighting (SAW), thematic map. 272

2 Techno.COM, Vol. 14, No. 4, November 2015: PENDAHULUAN Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu penyakit menular yang berbahaya yang mampu menyebabkan kematian yang hanya membutuhkan waktu singkat. Berdasarkan dari laporan WHO, Demam Berdarah Dengue pada tahun 1953 disinyalir pertama kali ditemukan di filipina dan menyebar di berbagai negara. Gejala klinis yang muncul akibat infeksi virus DEN-2 dan DEN-4,virus tersebut cepat menyebar di negara sekitar. Pada tahun 1958, virus tersebut mengisolasi sebagian besar daerah di Thailand,Selang beberapa dekade berikutnya mulai menyebar ke wilayah Kamboja,Cina,Laos,Malaysia,Singapura,Indonesia dan sebagainya [1]. Indonesia dilaporkan pertama kali dicurigai di Surabaya pada tahun 1968 dengan jumlah penderita 58 jiwa dengan kematian 24 jiwa prosentase 41,3%. Setelah kejadian tersebut menimbulkan dampak penyebaran keseluruh wilayah Indonesia, sehingga puncaknya pada tahu 1988 dengan insiden rate mencapai 13,45% per penduduk. Meningkatnya mobilitas penduduk erat kaitannya dengan hal ini. DBD cepat menyebar di wilayah lain di Indonesia, pada tahun 1969 diaderah Jakarta kemudian dilaporkan berturut-turut dilaporkan di Bandung dan Yogykarta pada tahun Epidemi penyebaran diluar jawa memasuki tahun 1972 di Sumatra Barat dan lampung, Menyusul daerah Riau,Sulawesi Utara dan Bali pada tahun 1973 dan diikuti penyebaran di wilayah lainnya. Saat ini DBD menjadi endemi di banyak kota besar [1]. Penyebaran wabah penyakit Demam Berdarah Dengue (DBD) berpotensi pada musim penghujan. Kerap kali menimbulkan genangan air yang menjadi tempat berkembangbiaknya nyamuk Aides Aigepthy. Penularan penyebaran penyakit tersebut dipengaruhi faktor iklim khususnya faktor curah hujan,suhu,dan kepadatan penduduk dan frekuensi kejadian DBD [2]. Kabupaten pati merupakan salah satu daerah yang berpotensi terhadap penyebaran penyakit DBD. Kepala Dinas Kesehatan Kabupaten Pati mengatakan Frekuensi kejadian DBD di kabupaten sangat tinggi tercatat berdasarkan data dari beberapa rumah sakit dengan kejadian di musim penghujan. Berbagai upaya yang sudah dilakukan oleh pihak dinas kesehatan dalam pencegahan DBD dengan prioritas pemberantasan sarang nyamuk (PSN) serentak dalam satu minggu. Dan himbauan melakukan abatisasi terhadap tempat penampungan air [2]. Sebagai upaya mengantisipasi penyebaran DBD, diperlukan tindakan preventif antisipasi dini dengan memberikan data yang relevan bagi pihak pemerintah dinas kesehatan dan masyarakat terutama pada wilayah kecamatan di kabupaten pati yang berstatus rawan terhadap frekuensi kejadian penularan DBD. Penyajian data yang relevan dilakukan dengan mengumpulkan sumber yang menjadi faktor pengaruh pola penyebaran DBD. Berdasarkan data tersebut pemerintah dinas kesehatan dapat mengantisipasi dengan tindakan lebih dini dan melakukan sosialisasi kepada masyarakat. Diharapkan pemerintah bersama masyarakat bisa mempersiapkan lebih dini dalam penanganan penyakit Demam Berdarah Dengue.

3 Techno.COM, Vol. 14, No. 4, November 2015: Berdasarkan uraian tersebut, dalam penelitian ini diusulkan metode Simple Additive Weighting (SAW) dalam penjumlahan terbobot dengan faktor penyebaran DBD yang menjadi kriteria dari setiap wilayah kecamatan yang berada di kabupaten Pati sehingga diketahui potensi status rawan DBD terhadap wilayah tersebut. Selanjutnya di terapkan pada pembuatan peta tematik guna penggambaran presentasi daerah rawan DBD. 2. METODE 2.1 Metode Pengumpulan Data Dalam penelitian pengumpulan data merupakan tahapan yang penting. Dengan mendapatkan data yang tepat maka penelitian akan berlangsung sampai peneliti mendapatkan jawaban dari rumusan masalah yang sudah ditetapkan. Data tersebut akan diolah dan dianalisa sehingga dapat diperoleh permasalahannya yang kemudian akan dilakukan proses pemecahannya. Pada penelitian ini terdapat beberapa tahap yang dilakukan yaitu studi literatur dengan mempelajari referensi yang terkait dengan penelitian ini, pengumpulan data dari dinas dan pihak terkait. Observasi Pengumpulan data yang dilakukan dengan cara mengamati langsung dengan cara melihat dan mengambil suatu data yang dibutuhkan di tempat penelitian. 2.2 Metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut [3][4]. Metode SAW merupakan r ij = metode yang paling terkenal dan sering digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM) [5][6]. MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Dalam metode ini mengharuskan pembuat keputusan melakukan penentukan bobot bagi setiap atribut. Sehingga didapat skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating / yang dapat dibandingkan lintas atribut dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) kesuatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.[10] Rumus Rangking Kinerja Ternormalisasi. Jika j adalah atribut Keuntungan (benefit) Jika j adalah atribut Biaya (cost) Dimana rij adalah rating kinerja ternormalisasi dari alternatif A i pada atribut C j ; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (V i ). Hasil akhi akan diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternomalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi. (1)

4 Techno.COM, Vol. 14, No. 4, November 2015: Keterangan : V i = rangking untuk setiap alternatif w j = nilai bobot dari setiap kriteria r ij = nilai rating kinerja ternormalisasi. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Dalam penelitian ini menggunakan FMADM metode SAW. Berikut langkah langkah dalam metode SAW [11]. 1. Penentuan kriteria- kriteria yang akan dijadikan sebagai acuan dalam pengambilan keputusan (C). 2. Penentuan rating kecocokan setiap alternatif pada setiap kriteria yang ada. 3. Pembuatan matriks keputusan berdasarkan (C), selanjutnya melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. (2) 0,26 0,50 = Cukup berpengaruh 0,51 0,75 = Berpengaruh 0,76 1,0 = Sangat berpengaruh Gambar 1. Grafik Rating Bobot Kriteria 3.2. Penentuan rating kecocokan setiap alternatif A i (i=1,2,...,n)) pada setiap kriteria C j. Tabel 2: Indeks hujan No Kecamatan Rerata hujan 2014 Kriteria 1 Sukolilo 328 Basah 2 Kayen 353 Basah 3 Tambakromo 353 Basah 4 Winong 309 Basah 5 Pucakwangi 142 Cukup basah 6 Jaken 127 Cukup basah 7 Batangan 143 Cukup basah 8 Jakenan 127 Cukup basah 9 Juwana 143 Cukup basah 10 Pati 390 Basah 3. HASIL DAN PEMBAHASAN 3.1. Menentukan nilai bobot kriteria. Tabel 1: Nilai bobot Kode Kriteria Bobot Keterangan C1 Curah Hujan 1,0 Sangat Berpengaruh C2 Kepadatan Penduduk 0,75 Berpengaruh C3 Insiden Kejadian 0,50 Cukup Berpengaruh Keterangan : 0 = Sangat Tidak berpengaruh 0,1 0,25 = Kurang berpengaruh 11 Gabus 309 Basah 12 Margorejo 390 Basah 13 Gembong 255 Cukup basah 14 Tlogowungu 224 Cukup basah 15 Wedarijaksa 163 Cukup basah 16 Trangkil 163 Cukup basah 17 Margoyoso 273 Cukup basah 18 Gunungwungkal 319 Basah 19 Cluwak 333 Basah 20 Tayu 251 Menengah 21 Dukuhseti 245 Menengah

5 Techno.COM, Vol. 14, No. 4, November 2015: Tabel 3: Nilai Range kriteria Hujan satuan kriteria 0 mm Sangat Kering mm Kering mm Cukup basah mm 401 mm basah Sangat sangat Tabel 4: Jumlah penduduk No Kecamatan Jumlah Penduduk 1. Sangat Kering (SR) = 0 2. Kering (R) = 0,25 3. Cukup basah (M)= 0,5 4. basah (T)= 0,75 5. Sangat basah (ST)= 1,0 Kriteria 1 Sukolilo Sangat tinggi 2 Kayen Tinggi 3 Tambakromo Tinggi 4 Winong Tinggi 5 Pucakwangi Menengah 6 Jaken Menengah 7 Batangan Menengah 8 Jakenan Menengah 9 Juwana Sangat tinggi 10 Pati Sangat tinggi 11 Gabus Tinggi 12 Margorejo Tinggi 13 Gembong Menengah 14 Tlogowungu Tinggi 15 Wedarijaksa Tinggi 16 Trangkil Tinggi 17 Margoyoso Tinggi 18 Gunungwungkal Menengah 19 Cluwak Menengah 20 Tayu Tinggi 21 Dukuhseti Tinggi Tabel 5: Nilai range penduduk satuan kriteria jiwa Rendah jiwa Menengah jiwa padat 1. Rendah (R) = 0,25 2. Menengah (M) = 0, Jiwa Sangat padat Tabel 6: Jumlah kejadian DBD No Kecamatan 3. Tinggi (T) = 0,75 4. Sangat Tinggi (ST) = 1,0 Jumlah insiden Kriteria 1 Sukolilo 29 Menengah 2 Kayen 25 Rendah 3 Tambakromo 30 Menengah 4 Winong 20 Rendah 5 Pucakwangi 7 Rendah 6 Jaken 6 Rendah 7 Batangan 20 Rendah 8 Jakenan 21 Rendah 9 Juwana 66 Padat 10 Pati 66 Padat 11 Gabus 15 Rendah 12 Margorejo 30 Menengah 13 Gembong 20 Rendah 14 Tlogowungu 23 Rendah 15 Wedarijaksa 37 Rendah 16 Trangkil 33 Menengah 17 Margoyoso 60 Tinggi 18 Gunungwungkal 13 Rendah 19 Cluwak 6 Rendah 20 Tayu 30 Menengah 21 Dukuhseti 12 Rendah Tabel 7: Kriteria Kejadian satuan kriteria 1-25 kasus Rendah kasus Sedang kasus Tinggi 76 kasus Sangat Tinggi 1. Rendah (R) = 0,25 2. Sedang (S) = 0,5 3. Tinggi (T) = 0,75 4. Sangat Tinggi (ST) = 1, Matriks perhitungan Membuat matriks keputusan X berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang

6 Techno.COM, Vol. 14, No. 4, November 2015: disesuaikan jenis atribut sehingga diperoleh matriks ternormalisasi R. Tabel 8: Variabel Kriteria Nama Kec. Sukolilo Kayen Tambakromo Winong Pucakwangi Jaken Batangan Curah Hujan Jumlah Penduduk Jakenan Juwana Pati Gabus Margorejo Gembong Tlogowungu Wedarijaksa Trangkil Margoyoso Gunungwungkal Cluwak Tayu Dukuhseti Tabel 9: Variabel Bobot Nama Kec Sukolilo Kayen Insiden Kejadian C1 C2 C3 Curah Jumlah Insiden Hujan Penduduk Kejadian 0,75 1 0,5 0,75 0,75 0,25 Tambakromo 0,75 0,75 0,5 Winong 0,75 0,75 0,5 Pucakwangi 0,5 0,5 0,5 Jaken 0,5 0,5 0,5 Batangan 0,5 0,5 0,5 Jakenan 0,5 0,5 0,5 Nama Kec C1 C2 C3 Curah Jumlah Insiden Hujan Penduduk Kejadian Juwana 0,5 1 0,75 Pati 0,75 1 0,75 Gabus 0,75 0,75 0,25 Margorejo 0,75 0,75 0,75 Gembong 0,5 0,5 0,25 Tlogowungu Wedarijaksa Trangkil Margoyoso Gunungwungka l Cluwak Tayu 0,5 0,75 0,25 0,5 0,75 0,25 0,5 0,75 0,5 0,5 0,75 0,75 0,75 0,5 0,5 0,75 0,5 0,5 0,5 0,75 0,75 Dukuhseti 0,5 0,75 0,5 Tabel 10: Variabel R Nama Kec C1 C2 C3 Curah Jumlah Insiden Hujan Penduduk Kejadian Sukolilo 1,00 1 0,67 Kayen 1,00 0,75 0,33 Tambakromo 1,00 0,75 0,67 Winong 1,00 0,75 0,67 Pucakwangi 0,67 0,5 0,67 Jaken 0,67 0,5 0,67 Batangan 0,67 0,5 0,67 Jakenan 0,67 0,5 0,67 Juwana 0,67 1 1,00 Pati 1,00 1 1,00 Gabus 1,00 0,75 0,33 Margorejo 1,00 0,75 1,00 Gembong 0,67 0,5 0,33 Tlogowungu 0,67 0,75 0,33 Wedarijaksa 0,67 0,75 0,33 Trangkil 0,67 0,75 0,67 Margoyoso 0,67 0,75 1,00 Gunungwungkal 1,00 0,5 0,67 Cluwak 1,00 0,5 0,67 Tayu 0,67 0,75 1,00 Dukuhseti 0,67 0,75 0,67

7 Techno.COM, Vol. 14, No. 4, November 2015: Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik solusi. Tabel 11: Variabel W Bobot jumlah jumlah Sukolilo 1,00 0,75 0,33 2,08 Kayen 1,00 0,56 0,17 1,73 Tambakromo 1,00 0,56 0,33 1,90 Winong 1,00 0,56 0,33 1,90 Pucakwangi 0,67 0,38 0,33 1,38 Jaken 0,67 0,38 0,33 1,38 Batangan 0,67 0,38 0,33 1,38 Jakenan 0,67 0,38 0,33 1,38 Juwana 0,67 0,75 0,50 1,92 Pati 1,00 0,75 0,50 2,25 Gabus 1,00 0,56 0,17 1,73 Margorejo 1,00 0,56 0,50 2,06 Gembong 0,67 0,38 0,17 1,21 Tlogowungu 0,67 0,56 0,17 1,40 Wedarijaksa 0,67 0,56 0,17 1,40 Trangkil 0,67 0,56 0,33 1,56 Margoyoso 0,67 0,56 0,50 1,73 Gunungwungkal 1,00 0,38 0,33 1,71 Cluwak 1,00 0,38 0,33 1,71 Tayu 0,67 0,56 0,50 1,73 Dukuhseti 0,67 0,56 0,33 1,56 Berdasarkan range nominal data yang ada maka penentuan peringkat sebagai berikut. Gambar 2. Range peringkat Tabel 12: Kriteria Peringkat satuan kriteria 1,21 1,46 Normal 1,46 1,72 Siaga 1,73 1,98 awas 1,99 2,25 Luar biasa Hasil penentuan peringkat sebagai berikut : Tabel 13: Hasil peringkat Peringkat 1 Pati 2,25 2 Sukolilo 2,08 3 Margorejo 2,06 4 Juwana 1,92 5 Tambakromo 1,9 6 Winong 1,9 7 Tayu 1,73 8 Margoyoso 1,73 9 Kayen 1,73 10 Gabus 1,73 11 Cluwak 1,71 12 Gunungwungkal 1,71 13 Dukuhseti 1,56 14 Trangkil 1,56 15 Wedarijaksa 1,4 16 Tlogowungu 1,4 17 Puncakwangi 1,38 18 Jakenan 1,38 19 Batangan 1,38 20 Jakenan 1,38 21 Gembong 1,21 AWAS WASPADA SIAGA NORMAL 3.4. Implementasi Peta Tematik Dengan ArcView Peta Curah Hujan

8 Techno.COM, Vol. 14, No. 4, November 2015: Peta Kerawanan DBD Gambar 3. Indeks curah hujan Gambar 6. Kerawanan DBD Peta Kependudukan Gambar 4. Kependudukan Peta Insiden DBD 4. KESIMPULAN DAN SARAN Implementasi Simple Additive Weighting Methode digunakan untuk menentukan daerah rawan tiap kecamatan dengan menentukan nilai range rata-rata curah hujan, kepadatan penduduk, dan insiden kasus DBD sebagai variabel.dari hasil penentian nilai tingkat range yang didapat digunakan sebagai nilai bobot data spasial sebagai informasi berupa peta tematik daerah rawan DBD dengan menggunakan aplikasi ArcView Gis 3.3. Identifikasi penyebaran antara penderita satu dengan lainnya tidak lepas dari pengaruh perkembangbiakan nyamuk, populasi penduduk dan penyebaran dari penderita satu kependerita lainnya. Dan peringkat tertinggi kerawanan pada tahun 2014 berada di kecamatan Pati dengan nilai 2,25 diikuti sukolilo 2,08 dan Margorejo 2,06. DAFTAR PUSTAKA Gambar 5. Insiden DBD [1] Dr.Primal Sudjana, SpPD Prof.Dr. umar Fahmi Achmadi. MPH Ph.D, "Demam Berdarah Dengue," Buletin Jendela Epidemiologi, Pusat Data Dan Surveilans

9 Techno.COM, Vol. 14, No. 4, November 2015: Epidemiologi Kementrian Kesehatan RI, vol. 2, Agustus [2] Rina Nur Fitriany, Ririn Arminsih Wulandari Amah Majidah Vidyah Dini, "Faktor Iklim Dan Angka Insiden Demam Berdarah Dengue Di Kabupaten Serang," Universitas Indonesia, [3] Destriyana Darmastuti, "Implementasi Metode Simple Additive Weighting (SAW) Dalam Sistem Informasi Lowongan Kerja Berbasis Web Untuk Rekomendasi Pencari Kerja Terbaik," Universitas Tanjungpura, [4] M. Miftakul Amin, Model GIS- Based Decision Support System Pemilihan Kredit Perumahan Menggunakan Google Map Api Dan Simple Additive Weighting, Politeknik Negeri Sriwijaya Palembang, [5] Riska Amalia, Andi Fadlun M, Kurnia Arvanty Henry Wibowo S, "Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa BANK BRI Menggunakan FMADM ( Stusi Kasus Mahasiswa Fakulyas Teknologi Industri Universitas Islam Indonesia)," Universitas Islam Indonesia, [6] Kusumadewi, Sri Wardoyo, Retantyo Agus Harjoko, Fuzzy Multi Attribute Deccision Making (Fuzzy MADM), 1st ed. Yogyakarta : Graha Ilmu, 2006.